著者は、静かな図書館で携帯電話が大きな音で鳴り、重要な電話を逃したことで公の場で恥をかいた。この出来事は、ユーザーの誤りにより信頼性の低い、常に手動で電話のサウンド設定を切り替えるという蔓延する問題が浮き彫りになった。著者は、ユーザーの介入なしにリンガーモードを管理するために、場所や時間などのコンテキストを理解する自動化されたシステムを望んでいた。既存のソリューションは、バッテリーを消費しすぎるか、複雑なルールを処理するには単純すぎた。この問題に対処するため、著者はMuffleというアプリを開発した。中心的な技術的課題は、バッテリーを大幅に消費せずに位置情報を認識することであり、これは効率的なGeofencingClient APIを使用して解決された。ForegroundServiceがアプリの中央ロジックハブとして実装され、そのプロセスがアクティブであり続けることを保証した。このサービスは、ユーザーのオーバーライドを尊重しながら、さまざまなリンガーモード間の遷移を管理した。重要なことに、このアプリはNotificationManagerの中断フィルターと統合され、ホワイトリストに登録された連絡先からの緊急通話を許可した。このハイブリッドアプローチは、効率的なジオフェンシングとサウンド状態を管理するためのカスタム優先キューを組み合わせた。予期せぬ実装上の課題は、特に積極的なバッテリー最適化に関して、さまざまなAndroidメーカー間で一貫性のないAudioManagerAPIの動作から生じた。これを克服するために、著者は単純なブロードキャストレシーバーからWorkManagerに移行し、より信頼性の高いタスクスケジューリングを実現した。やり直すなら、著者はメモリ内でルール競合を手動で管理するのではなく、最初にデータベースベースの優先テーブルを使用しただろう。バックグラウンドトリガーアプリの重要な実践的な教訓は、OSプロセスの終了を予測し、WorkManagerやGeofencingClientのような信頼性の高いシステムAPIを活用することである。著者のアプリMuffleは、これらの教訓を体現し、コンテキストに応じてサウンドプロファイルを自動化することを目指している。